Python导入CSV做文本分析：选csv.reader()还是csv.DictReader()？

嘿，作为刚接触Python和NLTK的新手，这种选择纠结太正常啦！我来帮你理清楚两者的区别，再结合你的需求给出最适合的建议~

先搞懂两者的核心差异 #

• csv.reader()：把每行数据转换成列表，你得靠索引去提取列数据（比如row[0]、row[1]）。但问题是你得牢牢记住每个列对应的索引，万一CSV的列顺序变了，你的代码直接就出错了，对新手来说很容易踩坑。
• csv.DictReader()：把每行数据转换成字典，CSV的表头就是字典的键，你可以直接用列名取数据（比如row['Review Details']、row['Recommendation']）。不用记索引，就算列顺序调整了也不影响代码，可读性拉满。

结合你的需求看，选DictReader准没错 #

你的核心需求是：重点处理Review Details和Recommendation这两个特定列，还要新增tokens这类列。用DictReader的优势非常明显：

1. 直观定位目标列：不用费劲找索引，直接写列名就能拿到数据，代码逻辑一目了然，新手调试起来也轻松。
2. 新增列更方便：要加tokens列的话，直接给字典加键值对就行（比如row['tokens'] = 处理后的分词结果），后续写入新CSV也能自动对应列名。

给你个简单的示例代码参考 #

先确保已经安装并下载了NLTK的分词包（第一次用要跑nltk.download('punkt')）：

import csv
from nltk.tokenize import word_tokenize

# 读取原始CSV并处理
with open('product_reviews.csv', 'r', encoding='utf-8') as infile:
    # 用DictReader自动识别表头作为字典键
    reader = csv.DictReader(infile)
    # 准备新的字段列表，包含原列+新增的tokens列
    fieldnames = reader.fieldnames + ['tokens']
    
    # 写入处理后的CSV
    with open('processed_reviews.csv', 'w', encoding='utf-8', newline='') as outfile:
        writer = csv.DictWriter(outfile, fieldnames=fieldnames)
        writer.writeheader()  # 写入新表头
        
        for row in reader:
            # 提取Review Details列的文本并分词
            review_text = row['Review Details']
            tokens = word_tokenize(review_text.lower())  # 转小写后分词
            # 给当前行添加tokens列
            row['tokens'] = tokens
            # 写入处理后的行
            writer.writerow(row)

为啥不推荐csv.reader()？ #

如果非要用reader的话，你得先手动获取列索引，代码会繁琐很多，比如：

import csv
from nltk.tokenize import word_tokenize

with open('product_reviews.csv', 'r', encoding='utf-8') as infile:
    reader = csv.reader(infile)
    headers = next(reader)  # 先读取表头
    # 手动找目标列的索引
    review_idx = headers.index('Review Details')
    
    with open('processed_reviews.csv', 'w', encoding='utf-8', newline='') as outfile:
        writer = csv.writer(outfile)
        writer.writerow(headers + ['tokens'])  # 写入新表头
        
        for row in reader:
            review_text = row[review_idx]
            tokens = word_tokenize(review_text.lower())
            row.append(tokens)  # 把分词结果加到行末尾
            writer.writerow(row)

一旦CSV的列顺序变了，review_idx就会对应错误的列，排查起来很麻烦，对新手不友好。

总结下来，优先选csv.DictReader()，它更贴合你的需求，代码更清晰，能帮你少踩很多不必要的坑，专注在文本分析本身~

内容的提问来源于stack exchange，提问作者cya2017